特征融合的时空图混合网络高速公路交通流预测

张阳; 周晨峰; 陈燕玲

doi:10.13291/j.cnki.djdxac.2025.04.002

大连交通大学学报 ›› 2025, Vol. 46 ›› Issue (04) : 15 -25. DOI: 10.13291/j.cnki.djdxac.2025.04.002

特征融合的时空图混合网络高速公路交通流预测

张阳, 周晨峰, 陈燕玲

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了解决高速公路流量预测空间建模受限于仅考虑静态空间依赖性或动态空间相关性的不足，提出一种特征融合的时空图混合网络车流量预测模型(FF-STGM),引入多头注意力机制模块，结构上使用双重并行的优化时空卷积网络提取交通流的时空特征和高速公路网络结构属性，并捕捉数据中非连续时间动态相关性。同时，采用蚁群优化算法动态调整模型结构参数，以优化时空图混合网络的隐层结构。试验结果表明，与STSGCN、ASTGCN和CNN-LSTM相比，FF-STGM的MAE值分别降低了6.45、7.69、16.80,改进的时空图混合网络模型预测精度优于其他对比模型。